從信用卡行業(yè)整體發(fā)展來看，近年來行業(yè)發(fā)卡量持續(xù)放緩，很多銀行相應(yīng)地進行了經(jīng)營戰(zhàn)略的轉(zhuǎn)型調(diào)整，激活存量客戶，增加客戶粘性是未來發(fā)展的重要目標(biāo)。同時，發(fā)揮智能服務(wù)體系的協(xié)同作用，提升服務(wù)質(zhì)量，提高服務(wù)效能，讓客戶滿意，是加大智能化應(yīng)用縱深的內(nèi)在要求，而智能質(zhì)檢，是其中的一個重要延展的方向。

　　據(jù)了解，同業(yè)中普遍使用兩類質(zhì)檢系統(tǒng)，本質(zhì)上為基于轉(zhuǎn)文本和音素（發(fā)音）分析，以智能質(zhì)檢和語音分析為主要業(yè)務(wù)應(yīng)用方向。

　　基于轉(zhuǎn)文本的智能質(zhì)檢系統(tǒng)，是將交互對話轉(zhuǎn)化成文字，然后對文字進行質(zhì)檢和分析，后續(xù)所有工作與轉(zhuǎn)譯的準(zhǔn)確率高度關(guān)聯(lián)。得益于系統(tǒng)的算法或聯(lián)想等功能，系統(tǒng)在反復(fù)訓(xùn)練后“聽”得懂客戶和坐席的對話，轉(zhuǎn)文本過程中會對語義補齊翻譯，這對于語音分析影響不明顯，但對于精準(zhǔn)度要求較高的智能質(zhì)檢來說則會產(chǎn)生影響。

　　基于音素分析是利用音素（發(fā)音）為基礎(chǔ)進行篩選，這個過程可以理解為拼音或音標(biāo)，優(yōu)勢在于原版呈現(xiàn)對話過程，凸顯真實還原，難點在于模型的構(gòu)建，因為模型訓(xùn)練的是語義的關(guān)聯(lián)關(guān)系，因此建模難度比從轉(zhuǎn)譯好的文本中提取關(guān)鍵詞更大，語音分析難度加大。

　　關(guān)于智能質(zhì)檢的應(yīng)用，普遍集中在三個方向：一是通過系統(tǒng)提供的平均通話時長、搶插話時長占比等數(shù)據(jù)類指標(biāo)，發(fā)現(xiàn)客服人員問題；二是通過語音分析模型篩查專項錄音，縮小核聽范圍，再由質(zhì)檢人員聽檢；三是運用語音分析模型定性分析，重點對客服中心關(guān)心的業(yè)務(wù)（如營銷）進行反向分析，即確定人員名單，對已圈定人員范圍的電話錄音進行分析，查找優(yōu)秀案例或優(yōu)秀話術(shù)。

　　目前，部分同業(yè)已經(jīng)開始探索實時質(zhì)檢，在于客戶進行交互的同時，開展自動質(zhì)檢評分、敏感詞告警以及話術(shù)及流程引導(dǎo)等。

　　對于信用卡客戶服務(wù)業(yè)務(wù)來說，由于業(yè)務(wù)非常復(fù)雜，客戶一通來電往往會詢問或辦理多個業(yè)務(wù)，在開放的問答場景中，識別和定位業(yè)務(wù)難度大。很多業(yè)務(wù)的交談內(nèi)容相似度極高，例如客戶查詢已辦理完成的分期情況和是否能夠辦理分期，核身條件中核對最后一筆交易情況和掛失環(huán)節(jié)中核對最后一筆交易，關(guān)鍵詞匯使用幾乎是一致的，這也對業(yè)務(wù)定位的準(zhǔn)確性帶來困難。

　　基于轉(zhuǎn)文本的質(zhì)檢系統(tǒng)，系統(tǒng)轉(zhuǎn)譯時自行補充或替換看似對語義沒有產(chǎn)生影響，但對智能質(zhì)檢的準(zhǔn)確性會帶來干擾，同時對于專業(yè)名詞轉(zhuǎn)譯和新業(yè)務(wù)轉(zhuǎn)譯訓(xùn)練需要一定周期，還需要大量的人為干預(yù)和訓(xùn)練，增加了后續(xù)的運營成本。

　　基于音素的質(zhì)檢系統(tǒng)，模型的覆蓋率和準(zhǔn)確性同等重要，但猶如天平的兩端需要進行取舍，因此建模和做語音分析的難度加大，建模師的經(jīng)驗在建模中更加重要，因為這個平衡點是在一次次驗證中積累的。

　　經(jīng)過兩年的努力，我們通過一系列的實施方案，創(chuàng)建了適合我行信用卡的智能質(zhì)檢的方法論以及模型持續(xù)優(yōu)化的工作閉環(huán)，在強化服務(wù)質(zhì)量的同時，降低質(zhì)檢成本，實現(xiàn)了個人業(yè)務(wù)質(zhì)檢差錯的精確定位。目前我中心已完成對掛失、銷卡、證件有效期、分期營銷等多項業(yè)務(wù)場景的質(zhì)檢模型監(jiān)控，場景包括客戶服務(wù)的關(guān)鍵環(huán)節(jié)、高風(fēng)險業(yè)務(wù)、價值營銷、客戶關(guān)懷等方面，專項業(yè)務(wù)質(zhì)檢模型，交付上線前準(zhǔn)確率85%以上，過程調(diào)優(yōu)后覆蓋率和準(zhǔn)確率可達到90%，基本達成了精確篩查專項業(yè)務(wù)質(zhì)檢差錯的目標(biāo)。

　　通過關(guān)鍵數(shù)據(jù)組成象限圖，可以直觀了解所有客服人員基本服務(wù)行為的分布情況，為后續(xù)服務(wù)行為分析做基礎(chǔ)。通過基礎(chǔ)數(shù)據(jù)和智能質(zhì)檢結(jié)果，我們可以了解業(yè)務(wù)辦理情況，客服人員基本數(shù)據(jù)表現(xiàn)，同時，可以對個人進行服務(wù)診斷，提出針對性的優(yōu)化方案。

　　通過智能質(zhì)檢通過基礎(chǔ)數(shù)據(jù)和智能質(zhì)檢結(jié)果，我們可以了解業(yè)務(wù)辦理情況，客服人員基本數(shù)據(jù)表現(xiàn)，可以對個人進行服務(wù)診斷，提出針對性的優(yōu)化方案；專項業(yè)務(wù)的質(zhì)檢覆蓋率達到平均80%以上，專項質(zhì)檢效率提升16倍。由3名語音分析人員，準(zhǔn)確定位百萬電話量級的個人差錯，折合每年節(jié)約百萬的質(zhì)檢成本，初步實現(xiàn)了從“客戶聽見”到“系統(tǒng)聽見”設(shè)想。智能質(zhì)檢讓服務(wù)過程更加透明化，同時能夠更加及時地掌握客服人員和客戶的反饋信息。相信隨著智能質(zhì)檢模型的不斷豐富，項目的應(yīng)用效果會更加明顯。

　　這是建模初期最常見的問題，產(chǎn)生的原因除了業(yè)務(wù)復(fù)雜和定位詞重合度高之外。智能質(zhì)檢系統(tǒng)僅能將錄音作為質(zhì)檢范疇，缺少了錄屏的輔助，對操作類的業(yè)務(wù)篩查將受到限制。

　　我們結(jié)合NICE系統(tǒng)情況，創(chuàng)立了模型建設(shè)定位方案，首先確認(rèn)適合智能質(zhì)檢的業(yè)務(wù)場景，這是建模成功的前提；當(dāng)確認(rèn)業(yè)務(wù)后，對業(yè)務(wù)流程進行詳細拆解，分解成可進行建模的最小單位；第三，通過數(shù)據(jù)交叉等多種手段，盡可能精準(zhǔn)業(yè)務(wù)定位；第四，建模完成后，建模師需要進行覆蓋率和準(zhǔn)確率的核檢，達到交付標(biāo)準(zhǔn)后才能交給業(yè)務(wù)團隊進行后續(xù)使用。

　　第二個問題是模型檢出范圍不準(zhǔn)，產(chǎn)生的原因多為用詞片面，不能代表多數(shù)的表達方式。為此，我們引入了模型群組的概念并確認(rèn)模型的構(gòu)建思路。業(yè)務(wù)節(jié)點的智能質(zhì)檢往往需要多個模型建立群組共同作用。建模方法和思路大致分為兩種：一是化整為零，圈定范圍后去除干擾錄音。二是化零為整，以疊加的方式進行模型積累。這兩種方式各有優(yōu)缺點，雖然建立模型沒有固定的要求，多取決于語音分析建模師的工作習(xí)慣和既成的思路。

　　智能質(zhì)檢模型上線使用后，經(jīng)過一段時間準(zhǔn)確性將會下降，在實際操作的過程中，我們發(fā)現(xiàn)其原因大致分為：

　　一是以偏概全，建模訓(xùn)練的是樣本錄音中人的發(fā)音習(xí)慣，如果抽取的樣本錄音集的范圍并不具有代表性，則在整體錄音核查的時候就會不準(zhǔn)；二是客服人員流動性的影響，當(dāng)新人注入時，他們的發(fā)音習(xí)慣尚未被系統(tǒng)識別。三是個體差異，雖然有明確的話術(shù)，但是每位客服人員的語義表達仍然略有不同。我們的做法是隔一段時間需要進行模型的調(diào)優(yōu)，交付和使用兩個階段是持續(xù)循環(huán)往復(fù)的過程。

　　為了讓模型的準(zhǔn)確率和覆蓋率保持在一個相對恒定的范圍，我中心制定了模型的持續(xù)反饋優(yōu)化機制。持續(xù)反饋優(yōu)化機制由服務(wù)分析團隊、質(zhì)檢團隊、業(yè)務(wù)團隊以及其他模型使用團隊組成，將模型應(yīng)用切分為模型建立及交付、后續(xù)篩查交接，核檢及反饋、再優(yōu)化四個環(huán)節(jié)，每個環(huán)節(jié)增加準(zhǔn)確率和覆蓋率的審核保障。與此同時，在核檢和反饋環(huán)節(jié)，我們采取一事一議的方式，對每個實現(xiàn)智能質(zhì)檢的業(yè)務(wù)采取定制化核檢反饋，提高反饋效率。

　　結(jié)合以上內(nèi)容，我們再來思考客戶聽見和系統(tǒng)聽見。系統(tǒng)聽見從結(jié)果來說，是系統(tǒng)聽懂人在說什么，從過程來講，系統(tǒng)經(jīng)過了大量語料內(nèi)容的反復(fù)訓(xùn)練，可能系統(tǒng)會比客戶更加明白坐席說了什么。而客戶聽見，是客戶不僅聽到了客服人員的語言內(nèi)容，同時聽到了客服人員傳遞給客戶的情緒和情感。所以，系統(tǒng)聽見并不能完全代表客戶聽見。從業(yè)務(wù)上來說，當(dāng)前的技術(shù)程度，智能質(zhì)檢不能完全替代人工質(zhì)檢，這是業(yè)務(wù)定位的問題。從功能上來說，質(zhì)檢系統(tǒng)本身有各自的局限性，我們對于智能質(zhì)檢系統(tǒng)的期望應(yīng)在一個合理的區(qū)間。

　　我認(rèn)為未來智能質(zhì)檢和語音分析的發(fā)展，將趨向個性化，更加突顯各行差異化特點�？偟膩碚f，在智能質(zhì)檢方面，智能質(zhì)檢的進一步發(fā)展，將實現(xiàn)質(zhì)檢量級的突破，促進管理效率的奇點質(zhì)變，從管理者來講，由原來小組抽查為單元的管理模式，變成可了精確到個人，跟蹤其全量真實表現(xiàn)，從管理精細度的飛躍，也需要管理者在管理思維上進行適應(yīng)性的改變；對與客服人員來說，智能質(zhì)檢降低了客服人員僥幸心理，更加注重個人的服務(wù)過程。在客戶體驗分析方面，語音分析提供了一個新的分析維度，改變以往靠專家頭腦風(fēng)暴的客戶體驗分析模式，通過多維度的數(shù)據(jù)分析方法進一步量化客戶體驗。

-掃碼關(guān)注獲取更多精彩內(nèi)容-

　　NICE（納斯達克股票代碼：NICE）是全球領(lǐng)先的云端和本地企業(yè)軟件解決方案提供商，幫助企業(yè)根據(jù)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的高級分析做出更明智的決策。NICE幫助各種規(guī)模的企業(yè)提供更好的客戶服務(wù)，確保合規(guī)，打擊欺騙行為，保護公眾安全。全球150多個國家/地區(qū)的25，000多家組織正在使用NICE的解決方案，其中包括《財富》全球100強中的85家企業(yè)。www.nice.com